期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于RNN-RBM模型的配网馈线长期负荷预测方法
被引量：
6
1
作者
杨剑文
朱林
+3 位作者
林凌雪
吴子龙
陈元榉
陈展纶
《三峡大学学报（自然科学版）》
CAS
2022年第3期67-73,共7页
本文提出了一种基于循环神经网络(recurrent neural network,RNN)和受限玻尔兹曼机(restricted boltzmann machine,RBM)混合模型的配网馈线长期负荷预测方法.所提方法首先提炼混合模式(自上而下和自下而上)下的馈线负荷特征,然后利用RN...
本文提出了一种基于循环神经网络(recurrent neural network,RNN)和受限玻尔兹曼机(restricted boltzmann machine,RBM)混合模型的配网馈线长期负荷预测方法.所提方法首先提炼混合模式(自上而下和自下而上)下的馈线负荷特征,然后利用RNN网络处理具有时序特点的配网馈线负荷数据,识别历史负荷数据的变化规律,再利用RBM深度挖掘数据中的特征规则,最后以无监督训练的方式获得特征与负荷变化的内在联系.选取广州某地区配网馈线数据验证所提算法的有效性,并与随机森林模型以及LSTM模型进行了比对.结果表明,本文所提出的混合RNN-RBM模型提高了配网馈线长期负荷预测的准确率.
展开更多
关键词
长期负荷预测
数据驱动
无监督学习
配网馈线
在线阅读
下载PDF
职称材料
题名
基于RNN-RBM模型的配网馈线长期负荷预测方法
被引量：
6
1
作者
杨剑文
朱林
林凌雪
吴子龙
陈元榉
陈展纶
机构
华南理工大学电力学院
广东电网有限责任公司广州供电局
出处
《三峡大学学报（自然科学版）》
CAS
2022年第3期67-73,共7页
基金
南方电网公司重点科技项目(YNKJXM20191215)。
文摘
本文提出了一种基于循环神经网络(recurrent neural network,RNN)和受限玻尔兹曼机(restricted boltzmann machine,RBM)混合模型的配网馈线长期负荷预测方法.所提方法首先提炼混合模式(自上而下和自下而上)下的馈线负荷特征,然后利用RNN网络处理具有时序特点的配网馈线负荷数据,识别历史负荷数据的变化规律,再利用RBM深度挖掘数据中的特征规则,最后以无监督训练的方式获得特征与负荷变化的内在联系.选取广州某地区配网馈线数据验证所提算法的有效性,并与随机森林模型以及LSTM模型进行了比对.结果表明,本文所提出的混合RNN-RBM模型提高了配网馈线长期负荷预测的准确率.
关键词
长期负荷预测
数据驱动
无监督学习
配网馈线
Keywords
long-term load forecasting
data-driven
unsupervised learning
distribution network feeder
分类号
TM715.1 [电气工程—电力系统及自动化]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于RNN-RBM模型的配网馈线长期负荷预测方法
杨剑文
朱林
林凌雪
吴子龙
陈元榉
陈展纶
《三峡大学学报（自然科学版）》
CAS
2022
6
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
